機(jī)械優(yōu)化設(shè)計(jì)結(jié)課論文(編輯修改稿)
2024-07-15 22:16 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 特點(diǎn)。優(yōu)化設(shè)計(jì)問題大多數(shù)是約束的優(yōu)化問題，根據(jù)處理約束條件的方法的不同可以分為直接法和間接法。直接法常見的方法有復(fù)合形法、約束坐標(biāo)輪換法和網(wǎng)絡(luò)法等。其內(nèi)涵是構(gòu)造一個(gè)迭代過程，使每次的迭代點(diǎn)都在可行域中，同時(shí)逐步降低目標(biāo)函數(shù)值，直到求得最優(yōu)解。遺傳算法是20世紀(jì)70年代初期由美國(guó)密執(zhí)根大學(xué)霍蘭教授提出的一種全新概率優(yōu)化方法。遺傳算法是一種非確定性的擬自然算法，它仿造自然界生物進(jìn)化的規(guī)律，對(duì)一個(gè)隨機(jī)產(chǎn)生的群體進(jìn)行法制演變和自然選擇，適者生存，不適者淘汰，如此循環(huán)往復(fù)，是群體素質(zhì)和群體中個(gè)體的素質(zhì)不斷演化，最終手鏈于全局最優(yōu)解。遺傳算法具有自適應(yīng)性、全局優(yōu)化性和隱含并行性。主要應(yīng)用領(lǐng)域有：函數(shù)玉華方面、組合優(yōu)化、機(jī)器學(xué)習(xí)、控制方面、圖像處理、故障診斷、人工生命、神經(jīng)網(wǎng)絡(luò)等最近幾年中遺傳算法在機(jī)械工程領(lǐng)域也開展了多方面的應(yīng)用，主要表現(xiàn)在：（1） 機(jī)械結(jié)構(gòu)優(yōu)化設(shè)計(jì)：針對(duì)簡(jiǎn)單遺傳算法中的線性適應(yīng)度、恒定交叉與變異概率等不能動(dòng)態(tài)地適應(yīng)整個(gè)迅游過程，提出采用非線性適用度與自適應(yīng)交叉、變異概率的改進(jìn)遺傳算法。此方法為解決工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)、多峰值函數(shù)求極值等問題提供了參考。（2） 可靠性分析：以框架結(jié)構(gòu)系統(tǒng)的可靠性分析為基礎(chǔ)，提出框架結(jié)構(gòu)系統(tǒng)可靠性優(yōu)化的遺傳算法。（3） 故障診斷：以網(wǎng)絡(luò)權(quán)重和偏差的實(shí)數(shù)形式作為基因構(gòu)成染色體向量，采用基因多點(diǎn)交叉和動(dòng)態(tài)變異進(jìn)行種群最優(yōu)選擇，提出了一種新的遺傳算法，并在此基礎(chǔ)上設(shè)計(jì)出一種基于遺傳算法和溶解氣體分析的變壓器故障在線診斷系統(tǒng)。（4） 參數(shù)辨識(shí)：在現(xiàn)有TS模糊模型參數(shù)辨識(shí)方法的基礎(chǔ)上，提出了一種優(yōu)先應(yīng)用最小二乘法對(duì)結(jié)論參數(shù)進(jìn)行粗略辨識(shí)，以確定參數(shù)的大致范圍之后，再應(yīng)用遺傳算法對(duì)前提參數(shù)和結(jié)論參數(shù)同時(shí)優(yōu)化的參數(shù)辨識(shí)方法。（5） 機(jī)械方案設(shè)計(jì)：通過把機(jī)械方案設(shè)計(jì)過程看作是一個(gè)狀態(tài)空間的求解問題，用遺傳算法控制其搜索過程，構(gòu)建完善了新的遺傳編碼體系，為了適應(yīng)新的編碼體系重新構(gòu)建了交叉和變異等遺傳操作，并利用復(fù)制、交換和變異等操作進(jìn)行一次次迭代，最終自動(dòng)生成一組最優(yōu)的設(shè)計(jì)方案。此外，遺傳算法還應(yīng)用在模糊邏輯控制器、機(jī)器人運(yùn)動(dòng)學(xué)、范秋工程、節(jié)能設(shè)計(jì)、復(fù)合材料優(yōu)化、金屬成形優(yōu)化、數(shù)控加工誤差自適應(yīng)預(yù)報(bào)等控制方面
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1